【技术实现步骤摘要】
本专利技术涉及一种基于点云曲率与几何特征融合的巷/隧道管线提取方法，属于管线设施三维点云处理。
技术介绍
1、在矿山开采过程中，巷道内的管线设施，如供电管道、供水管道、通信线路等是支撑矿井安全运行的重要部分。这些管线设施通常埋设在复杂的地形中，并且在开采过程中可能会受到变形和损坏，因此需要定期的检查和维护。
2、传统的管线检查方法主要依靠人工检测或简单的机器设备，无法满足高效、精准的需求。人工检测存在效率低、漏检率高以及容易受人为因素影响等问题。近年来，随着深度学习和点云处理技术的快速发展，三维点云数据已成为一种重要的空间信息获取手段。在地下空间、矿山巷道、隧道等复杂环境中，点云数据能够提供丰富的三维几何信息，克服了传统二维图像在处理复杂场景时的局限性。基于点云的深度学习技术，特别是语义分割和目标检测方法，能够从点云中提取有效的几何特征并对其进行分类与标注。这为巷道内管线设施的智能识别与精准检测提供了可能。但现有技术中基于点云的管线识别技术仍存在以下问题：(1)在矿山巷道等复杂环境中，点云数据包含大量噪声、重叠和不规则的几何形态，特别是管线设施与周围环境的空间特征高度重叠，导致设施边缘特征不明显，现有的点云分割方法往往难以准确提取管线。传统的点云处理方法大多依赖于全局或单一特征，无法有效地处理这些复杂性和噪声；(2)传统的点云处理方法通常聚焦于局部特征，如法向量、几何形状等，但忽略了曲率等重要的几何信息，无法有效区分管线与其他类型的设施或环境。
技术实现思路
1、本专利
2、为了实现上述目的，本专利技术提供一种基于点云曲率与几何特征融合的巷/隧道管线提取方法，包括如下步骤：
3、s1、利用点云数据的局部曲率变化，结合点云法向量和空间分布特征来计算巷道内各点的曲率值；
4、s2、设置曲率阈值并结合聚类算法，对点云数据进行分类，识别出符合管线特征的点云区域；
5、s3、结合管线的几何形态和曲率特征，优化管线提取精度；
6、s4、将曲率特征和几何特征融合，通过基于深度学习的语义分割与标注算法，对管线进行分割和标注。
7、进一步地，所述s1的具体方法为：针对点云数据的局部曲率变化、点云法向量和空间分布特征的重要性不同，通过拼接方法进行多维特征融合，得到各点云数据的综合特征值，表示为：
8、fi＝[ni,ki,ρ(pi)]；
9、其中，ni为法向量，ki为局部曲率值，ρ(pi)为空间分布特征；
10、空间分布特征表现为点云之间的距离，分为管线与巷/隧道内壁之间以及与管线设施之间的距离，计算方法分别如下：
11、管线与巷/隧道内壁之间的距离di表示为：
12、
13、其中，点云中的某个点为pi(xi,yi,zi)，巷道墙壁的方程为f(x,y,z)＝0；
14、管线与管线设施之间的相对距离dfacility表示为：
15、dfacility＝‖pi-pfacility‖；
16、其中，‖pi-pfacility‖为点pi到管线设施点pfacility的欧式距离。
17、进一步地，所述s2的方法为：曲率阈值根据管线结构的几何特征，通过点云局部曲率计算选择曲率范围；通过聚类算法将相似的点集合为一个簇，识别出符合管线特征的点云区域，通过聚类结果，筛选出符合管线特征的簇；点云局部曲率通过pca计算，具体计算过程如下：
18、s2.1、在局部邻域内，使用pca计算点云的协方差矩阵：对于点云中的每个点p，选择一个包含该点的局部邻域n(p)，将邻域点的坐标信息组织成矩阵x：
19、
20、其中，n是邻域内点的数量，xi，yi，zi是点云中第i个点的空间坐标；
21、s2.2、计算协方差矩阵c：
22、
23、其中，是邻域点的均值向量；
24、s2.3、计算协方差矩阵的特征值，对协方差矩阵c进行特征值分解，得到特征值λ1，λ2和λ3：
25、c·vj＝λj·vj(j＝1,2,3)；
26、其中，vj是对应的特征向量，代表点云在三个主方向上的主要变化；λ1为沿着最大方差方向的方差，λ2为沿着第二大方差方向的方差，λ3为沿着最小方差方向的方差；
27、s2.4、主曲率k1和k2分别对应于协方差矩阵的最小和最大特征值，其描述了点云局部表面在两个主方向上的弯曲程度：
28、k1＝λ1,k2＝λ2；
29、高斯曲率k为两个主曲率的乘积：
30、k＝k1·k2＝λ1·λ2；
31、若k＝0，表明该点处于一个平坦或直的区域；若k>0，表示该点位于一个凸起的表面；若k<0，则该点位于一个凹陷的表面；
32、s2.5、通过聚类算法将相似的点集合为一个簇，围绕邻域计算、核心点定义、簇扩展和密度可达性进行，通过邻域半径∈和最小点数minpts，算法能够自动识别和扩展簇，处理密度变化较大的复杂数据；
33、s2.5.1、邻域计算的方法为：对于一个数据点p，它的邻域n(p)定义为在给定的邻域半径ε内的所有点，即：
34、n(p)＝{q∈d|||p-q||≤ε}；
35、其中，d是数据点的合集，p和q是点云中的两个点，||p-q||是点p和点q之间的欧几里得距离，ε是邻域半径，表示p能够影响到的最大距离；
36、欧几里德距离计算公式为：
37、
38、其中，p＝(xp,yp,zp)和q＝(xq,yq,zq)是三维点的坐标；
39、s2.5.2、核心点的定义为：若点p是核心点，当且仅当它的邻域n(p)中包含至少minpts个点：
40、|n(p)|≥minpts；
41、其中，|n(p)|表示点p的邻域中包含的点的数量，minpts是预设参数，表示一个点被认为是核心点所需的最小邻域点数；
42、s2.5.3、找到核心点后，基于密度的聚类方法扩展簇，迭代地将邻域内的点加入到簇中，扩展过程通过以下公式进行：
43、e＝{p|p∈d,p是核心点或p是密度可达的}；
44、其中，e代表正在扩展的簇，e是一个集合，它包含了当前已知属于某个簇的所有点。核心点的扩展继续探索其邻域并加入新的点，直到没有更多点能够加入；
45、s2.5.4、点p是密度可达的必须满足：当且仅当点p是核心点或点p在某个核心点的邻域内，并且从该核心点通过一系列密度可达的点连通；
46、点p和点q是密度连接的必须满足，当且仅当存在一个核心点r，使得本文档来自技高网...
【技术保护点】
1.一种基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，所述S1的具体方法为：针对点云数据的局部曲率变化、点云法向量和空间分布特征的重要性不同，通过拼接方法进行多维特征融合，得到各点云数据的综合特征值，表示为：
3.根据权利要求1或2所述的基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，所述S2的方法为：曲率阈值根据管线结构的几何特征，通过点云局部曲率计算选择曲率范围；通过聚类算法将相似的点集合为一个簇，识别出符合管线特征的点云区域，通过聚类结果，筛选出符合管线特征的簇；点云局部曲率通过PCA计算，具体计算过程如下：
4.根据权利要求3所述的基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，所述S3的方法为：使用最小二乘法拟合管线的直线部分，通过拟合点云中的若干个点，获得管线的方向、长度和位置信息；
5.根据权利要求4所述的基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，所述S4
...【技术特征摘要】
1.一种基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，所述s1的具体方法为：针对点云数据的局部曲率变化、点云法向量和空间分布特征的重要性不同，通过拼接方法进行多维特征融合，得到各点云数据的综合特征值，表示为：
3.根据权利要求1或2所述的基于点云曲率与几何特征融合的巷/隧道管线提取方法，其特征在于，所述s2的方法为：曲率阈值根据管线结构的几何特征，通过点云局部...
【专利技术属性】
技术研发人员：张秋昭，谢一正，童润发，郭建业，杨有权，张开坤，段伟，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。